értekezés - Budapesti Corvinus Egyetem

főkomponens elemzésből kihagyni, és a változók szűkített körére újrafuttatni a
transzformálást.
Az újrafuttatást követően kapott 22db főkomponensből mindösszesen 6 db
főkomponenssel dolgozunk tovább (amelyek sajátértékeik 1-nél magasabbak). Az első
főkomponens az összes szórásnégyzet 35%-át, a második további 18%-ot hordoz, és így
tovább. A 22 dimenziós térből képzett hatdimenziós ortogonális koordináták több mint
85%-ban őrzik meg az eredeti információt.
[A15-6. és 7. táblázatok]
A kiválasztott 6 főkomponens közgazdasági tartalmának megállapításához a komponens
mátrixot hívjuk segítségül. A mátrix a változók és a főkomponensek rotált korrelációs
együtthatóit adja meg. Ebből kiolvasható, hogy a mesterséges magyarázó változónk mely
valós kockázati faktorral áll szoros összefüggésben tartalmilag.
[A15-8. táblázat]
Az első főkomponens az olaj és finomított olajtermékek áralakulásával korrelál igen
erősen. Ha megnézzük a főkomponens változókra vonatkozó együtthatóit (compoent score
coefficient matrix), láthatjuk, hogy ez a főkomponens egy Brentből és a PUN és EN590
kivételével a többi finomított olajtermékből kialakított portfolió értékalakulását írja le.
A második főkomponens egy vegyipari termékindexnek (HD, LD, PPHomo, PPKopo)
feleltethető meg. Hasonlóan a harmadik főkomponens, amely félkész vegyipari anyagok
portfolióját képezi. A negyedik főkomponens a devizaárfolyam kockázatot írja le, egy
közel azonos arányban euró, dollár és szlovák koronából felépített betét áralakulását
lekövetve.
Az ötödik főkomponens az EN590, a hatodik pedig a PUN termékár kockázatát ragadja
meg. Esetükben jól megfigyelhető a vállalat árképzési politikája, amely következtében a
termékek finomítói árrése és az alkalmazott nagykereskedelmi árrés ellentétes irányban
mozognak, ezzel egyfajta természetes hedge hatást elérve a vállalat eredményére.
[A15-9. táblázat]
212